專(zhuān)利名稱(chēng)：一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法
技術(shù)領(lǐng)域：
本發(fā)明屬于機(jī)械設(shè)備故障診斷領(lǐng)域，涉及一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法，本方法能夠?qū)π行驱X輪箱的不同故障模式進(jìn)行準(zhǔn)確分類(lèi)和定位，實(shí)現(xiàn)行星齒輪箱故障的有效識(shí)別。
背景技術(shù)：
行星齒輪箱一般由太陽(yáng)輪、行星輪及內(nèi)齒圈三部分構(gòu)成，由于其具有體積小、傳動(dòng)比大、承載能力強(qiáng)、傳動(dòng)效率高等優(yōu)點(diǎn)而被廣泛應(yīng)用于不同行業(yè)的機(jī)械傳動(dòng)系統(tǒng)中。在惡劣的工作環(huán)境下，行星齒輪箱的某個(gè)部件一旦出現(xiàn)故障，就可能會(huì)引發(fā)連鎖反應(yīng)，導(dǎo)致整個(gè)傳動(dòng)系統(tǒng)不能正常運(yùn)行，造成巨大的經(jīng)濟(jì)損失甚至人員傷亡。因此行星齒輪箱的精確診斷具有重要的社會(huì)意義。行星齒輪箱不同于各齒輪以固定中心軸旋轉(zhuǎn)的定軸齒輪箱。它的行星輪不僅繞各自的中心軸自轉(zhuǎn)，同時(shí)圍繞太陽(yáng)輪的中心軸公轉(zhuǎn)，并與太陽(yáng)輪和內(nèi)齒圈同時(shí)嚙合，所以從結(jié)構(gòu)、傳動(dòng)方式及振動(dòng)響應(yīng)來(lái)講行星齒輪箱都要比定軸齒輪箱復(fù)雜得多，如果部件出現(xiàn)故障， 診斷起來(lái)會(huì)非常困難。適用于定軸齒輪箱的檢測(cè)方法和診斷參數(shù)一般不能有效地診斷行星齒輪箱的故障，研究人員根據(jù)行星齒輪箱的具體振動(dòng)模式開(kāi)發(fā)了濾波信號(hào)有效值(FRMS)、 正規(guī)化的差譜正值和(NSDS)等一些新的診斷分類(lèi)參數(shù)，這些參數(shù)具有對(duì)部分故障敏感的特性，在診斷時(shí)需要對(duì)采集到的每組振動(dòng)數(shù)據(jù)分別求各參數(shù)的值，然后再根據(jù)結(jié)果判斷故障類(lèi)型；同時(shí)診斷參數(shù)對(duì)測(cè)點(diǎn)的位置也有一定的要求，如果在安裝位置采集到的振動(dòng)信號(hào)對(duì)故障不敏感，則無(wú)法識(shí)別出行星齒輪箱的具體故障或者造成誤診。即使能夠通過(guò)某些先進(jìn)的信號(hào)處理方法得到處理結(jié)果，實(shí)際中仍需要專(zhuān)業(yè)人員進(jìn)行分析進(jìn)而給出診斷結(jié)果，所以這種診斷方式具有一定的局限性。采用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的分類(lèi)算法可以實(shí)現(xiàn)故障的自動(dòng)分類(lèi)診斷。ANFIS是吸收了神經(jīng)網(wǎng)絡(luò)自適應(yīng)性和模糊邏輯善于推理特性的混合模型，通過(guò)利用神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)計(jì)算特性來(lái)調(diào)節(jié)基于規(guī)則的模糊系統(tǒng)，擁有了神經(jīng)網(wǎng)絡(luò)和模糊邏輯二者的優(yōu)勢(shì)，克服了它們各自的不足，作為分類(lèi)組合診斷中的基本分類(lèi)算法得到了廣泛的應(yīng)用。但是基于ANFIS的分類(lèi)算法依賴(lài)于提取的特征參數(shù)和所測(cè)數(shù)據(jù)對(duì)故障的敏感度，準(zhǔn)確性和穩(wěn)定性都不是很高，有待于進(jìn)一步的改進(jìn)。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)的不足，提供一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法。該方法選取對(duì)行星齒輪箱故障識(shí)別適用性強(qiáng)的特征參數(shù)組成特征集，然后利用歷史數(shù)據(jù)訓(xùn)練基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的分類(lèi)算法，最后在多個(gè)測(cè)點(diǎn)所測(cè)振動(dòng)數(shù)據(jù)的基礎(chǔ)上采用訓(xùn)練好的分類(lèi)算法實(shí)現(xiàn)行星齒輪箱故障的自動(dòng)分類(lèi)識(shí)別。本發(fā)明的技術(shù)方案是按照如下步驟進(jìn)行的
(I)利用已知故障類(lèi)型的歷史數(shù)據(jù)訓(xùn)練基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的分類(lèi)算法；(2)在行星齒輪箱上采用三個(gè)不同的測(cè)點(diǎn)測(cè)取振動(dòng)數(shù)據(jù)，利用訓(xùn)練好的基于 ANFIS的分類(lèi)算法完成故障識(shí)別。步驟(I)中:歷史數(shù)據(jù)的種類(lèi)對(duì)應(yīng)不同的行星齒輪箱故障類(lèi)型，等于分類(lèi)算法的分類(lèi)數(shù)，由歷史數(shù)據(jù)提取出特征參數(shù)組成特征集作為基于ANFIS分類(lèi)算法的輸入進(jìn)行訓(xùn)練；步驟⑵中在行星齒輪箱輸入端端蓋外側(cè)成90°選取兩個(gè)測(cè)點(diǎn)，分別測(cè)垂直徑向和水平徑向兩個(gè)方向的振動(dòng)，把輸出端端蓋上方選取為一個(gè)測(cè)點(diǎn)，測(cè)取垂直徑向的振動(dòng)信號(hào)，在三個(gè)測(cè)點(diǎn)獲得三組數(shù)據(jù)，提取出特征參數(shù)組成特征集，將此特征集輸入到訓(xùn)練好的分類(lèi)算法中完成分類(lèi)，實(shí)現(xiàn)故障的有效識(shí)別。本發(fā)明的核心是把多個(gè)測(cè)點(diǎn)的信息融合到一起，利用基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的分類(lèi)算法進(jìn)行故障分類(lèi)，實(shí)現(xiàn)行星齒輪箱故障的準(zhǔn)確識(shí)別。這種方法可以實(shí)現(xiàn)無(wú)專(zhuān)業(yè)人員情況下的故障診斷，克服了不同測(cè)點(diǎn)信息對(duì)故障敏感程度不一致的問(wèn)題，顯著提高了故障識(shí)別的準(zhǔn)確性與穩(wěn)定性。


圖I為一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法的流程圖；圖2為行星齒輪箱的結(jié)構(gòu)示意圖；圖3為單一測(cè)點(diǎn)及多測(cè)點(diǎn)信息融合的訓(xùn)練和測(cè)試結(jié)果圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步詳細(xì)描述參照附圖I所示，本發(fā)明的流程如下I)在行星齒輪箱上選取三個(gè)測(cè)點(diǎn)，輸入端的兩個(gè)測(cè)點(diǎn)選取在端蓋外側(cè)成90°布置，分別測(cè)垂直徑向和水平徑向兩個(gè)方向的振動(dòng)，輸出端選取一個(gè)測(cè)點(diǎn)，測(cè)取垂直徑向的振動(dòng)信號(hào)；2)利用歷史數(shù)據(jù)計(jì)算濾波信號(hào)有效值(FRMS)和正規(guī)化的差譜正值和(NSDS)兩個(gè)特征參數(shù)，組成特征集作為基于ANFIS的分類(lèi)算法的輸入訓(xùn)練此分類(lèi)算法，其中歷史數(shù)據(jù)的故障種類(lèi)等于分類(lèi)算法的分類(lèi)數(shù)；3)每個(gè)測(cè)點(diǎn)測(cè)取的振動(dòng)數(shù)據(jù)都可以計(jì)算出一個(gè)FRMS和NSDS，三個(gè)測(cè)點(diǎn)可以獲得六個(gè)特征參數(shù)，把它們組成一個(gè)特征集輸入到訓(xùn)練好的基于ANFIS的分類(lèi)算法中，完成行星齒輪箱故障的自動(dòng)分類(lèi)診斷。根據(jù)以上發(fā)明內(nèi)容和圖I的一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法的流程圖，對(duì)某行星齒輪箱進(jìn)行故障分類(lèi)診斷。此行星齒輪箱為內(nèi)齒圈固定的兩級(jí)行星輪系傳動(dòng)系統(tǒng)，第一級(jí)行星傳動(dòng)有三個(gè)行星輪，行星輪齒數(shù)是40，太陽(yáng)輪齒數(shù)是20，內(nèi)齒圈齒數(shù)是100 ;第二級(jí)傳動(dòng)有四個(gè)行星輪,行星輪齒數(shù)為36,太陽(yáng)輪齒數(shù)為28,內(nèi)齒圈齒數(shù)為 100。此齒輪箱的傳動(dòng)比為27. 43 I。在試驗(yàn)中對(duì)齒輪箱具有的五種不同故障模式進(jìn)行診斷，分別為正常、第一級(jí)太陽(yáng)輪齒根裂紋、第一級(jí)太陽(yáng)輪齒面磨損、第二級(jí)太陽(yáng)輪剝落和第二級(jí)太陽(yáng)輪缺齒，在輸入軸轉(zhuǎn)頻分別為35Hz、40Hz、45Hz、50Hz的情況下測(cè)取振動(dòng)數(shù)據(jù)，每種轉(zhuǎn)頻下又分為加載與不加載兩種工況。如圖2所示，為行星齒輪箱的結(jié)構(gòu)示意圖，主要由行星齒輪箱4、輸入軸5、輸出軸 6、端蓋7和8組成，在行星齒輪箱上選取三個(gè)測(cè)點(diǎn)，測(cè)點(diǎn)I和測(cè)點(diǎn)2分別選取在輸入端蓋外側(cè)成90°布置，分別測(cè)垂直徑向和水平徑向兩個(gè)振動(dòng)，測(cè)點(diǎn)3選取為第二級(jí)即輸出端端蓋上方，測(cè)取垂直徑向的振動(dòng)信號(hào)。采樣頻率設(shè)置為5120Hz，采樣長(zhǎng)度為120秒鐘，將每4秒鐘長(zhǎng)度的數(shù)據(jù)作為一個(gè)樣本，這樣每種特定工況下包含30個(gè)樣本，每個(gè)測(cè)點(diǎn)在一個(gè)故障類(lèi)型下可以采集到240個(gè)樣本(四種轉(zhuǎn)頻、兩種加載情況)，五種故障模式則具有1200個(gè)樣本，三個(gè)測(cè)點(diǎn)總共可以獲得3600個(gè)樣本。把其中的1800個(gè)樣本作為已知故障類(lèi)型的歷史數(shù)據(jù)訓(xùn)練基于ANFIS的分類(lèi)算法，剩下的1800個(gè)樣本用來(lái)測(cè)試分類(lèi)算法完成行星齒輪箱的故障診斷從而檢測(cè)所提方法的有效性。首先，選取FRMS和NSDS作為行星齒輪箱的診斷特征參數(shù)。從采集的振動(dòng)信號(hào)中將1-3階嚙合頻率左右各6階行星架調(diào)制頻率范圍之內(nèi)的信號(hào)全部濾除掉，同時(shí)濾除掉振動(dòng)信號(hào)中的太陽(yáng)輪1-5倍轉(zhuǎn)頻，然后求濾波后信號(hào)的有效值即為FRMS ;對(duì)原始振動(dòng)信號(hào)進(jìn)行傅里葉變換，然后計(jì)算頻譜與歷史正常信號(hào)的差譜，對(duì)差譜中大于0的幅值進(jìn)行累加，然后正規(guī)化得到NSDS。其次，按要求安裝好加速度傳感器，拾取不同工況下的振動(dòng)數(shù)據(jù)，將所有數(shù)據(jù)分為 3600個(gè)樣本，隨機(jī)取其中的1800個(gè)作為已知故障類(lèi)型的歷史數(shù)據(jù)，計(jì)算每個(gè)樣本的FRMS和 NSDS值組成特征集輸入到基于ANFIS的分類(lèi)算法中進(jìn)行訓(xùn)練，分類(lèi)算法將所有訓(xùn)練樣本分為五類(lèi)，分別對(duì)應(yīng)行星齒輪箱的五種故障模式。最后，對(duì)剩下的測(cè)試樣本分別計(jì)算其FRMS和NSDS的值組成特征集，將特征集輸入到訓(xùn)練好的基于ANFIS的分類(lèi)算法中進(jìn)行分類(lèi)，完成故障診斷。為了證明上述發(fā)明內(nèi)容的有效性和優(yōu)越性，采用單一測(cè)點(diǎn)的振動(dòng)數(shù)據(jù)按上述方法對(duì)行星齒輪箱進(jìn)行診斷。同樣每種特定工況下包含30個(gè)樣本，單一測(cè)點(diǎn)在一個(gè)故障類(lèi)型下可以采集到240個(gè)樣本(四種轉(zhuǎn)頻、兩種加載情況)，五種故障模式總共可獲得1200個(gè)樣本。任取其中的600個(gè)作為已知故障類(lèi)型的歷史數(shù)據(jù)，計(jì)算每個(gè)樣本的FRMS和NSDS值組成特征集輸入到基于ANFIS的分類(lèi)算法中進(jìn)行訓(xùn)練，分類(lèi)算法將所有訓(xùn)練樣本分為五類(lèi)， 分別對(duì)應(yīng)行星齒輪箱的五種故障模式。剩余的600個(gè)作為測(cè)試樣本計(jì)算出FRMS和NSDS值組成特征集輸入到訓(xùn)練好的分類(lèi)算法中進(jìn)行故障診斷。圖3為三個(gè)單一測(cè)點(diǎn)及多測(cè)點(diǎn)信息融合的訓(xùn)練和診斷結(jié)果圖?？梢钥吹剿姆N方法訓(xùn)練的分類(lèi)診斷準(zhǔn)確率在74% -99. 33%的范圍內(nèi)，訓(xùn)練的情況沒(méi)有達(dá)到100%是因?yàn)樾行驱X輪箱結(jié)構(gòu)比較復(fù)雜，且存在五種故障模式，診斷起來(lái)比較困難，其中準(zhǔn)確率最高的結(jié)果是由多測(cè)點(diǎn)信息融合訓(xùn)練取得的，為99. 33%。從測(cè)試分類(lèi)診斷準(zhǔn)確率上看，前三種單一測(cè)點(diǎn)的準(zhǔn)確率分別為78. 66%,85. 5%,70. 83% (平均為78. 33% )，而多測(cè)點(diǎn)信息融合后的分類(lèi)診斷準(zhǔn)確率為98. 33%，平均比單一測(cè)點(diǎn)的方法提高了 20%。從圖3中能夠看到多測(cè)點(diǎn)信息融合的方法不僅實(shí)現(xiàn)了不同故障模式的分類(lèi)診斷而且可以定位故障部件，魯棒性很好， 顯著提高了行星齒輪箱故障識(shí)別的穩(wěn)定性和準(zhǔn)確率。由此可得，將多個(gè)測(cè)點(diǎn)的信息融合到一起，利用基于ANFIS的分類(lèi)算法可以實(shí)現(xiàn)行星齒輪箱故障的準(zhǔn)確識(shí)別。這種方法克服了不同測(cè)點(diǎn)信息對(duì)故障敏感程度不一致的問(wèn)題，對(duì)行星齒輪箱的故障診斷具有重要意義。以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施方式
僅限于此，對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單的推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明由所提交的權(quán)利要求書(shū)確定專(zhuān)利保護(hù)范圍。
權(quán)利要求
1.一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法，包括(1)利用已知故障類(lèi)型的歷史數(shù)據(jù)訓(xùn)練基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)ANFIS的分類(lèi)算法;(2)在行星齒輪箱上采用三個(gè)不同的測(cè)點(diǎn)測(cè)取振動(dòng)數(shù)據(jù)，利用訓(xùn)練好的基于ANFIS分類(lèi)算法完成故障識(shí)別。
2.根據(jù)權(quán)利要求I所述一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法，其特征在于，步驟(I)中歷史數(shù)據(jù)的種類(lèi)對(duì)應(yīng)不同的行星齒輪箱故障類(lèi)型，等于分類(lèi)算法的分類(lèi)數(shù)，把歷史數(shù)據(jù)提取的特征參數(shù)組成特征集作為基于ANFIS分類(lèi)算法的輸入進(jìn)行訓(xùn)練。
3.根據(jù)權(quán)利要求I所述一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法，其特征在于，步驟⑵中在行星齒輪箱輸入端端蓋外側(cè)成90°選取兩個(gè)測(cè)點(diǎn)，分別測(cè)垂直徑向和水平徑向兩個(gè)方向的振動(dòng)，把輸出端端蓋上方選取為一個(gè)測(cè)點(diǎn)，測(cè)取垂直徑向的振動(dòng)信號(hào)，由三個(gè)測(cè)點(diǎn)獲得三組數(shù)據(jù)，提取出特征參數(shù)組成特征集，將此特征集輸入到訓(xùn)練好的分類(lèi)算法中完成分類(lèi)，實(shí)現(xiàn)故障的有效識(shí)別。
全文摘要
本發(fā)明公開(kāi)了一種基于敏感測(cè)點(diǎn)數(shù)據(jù)融合的行星輪故障識(shí)別方法，該方法選取對(duì)行星齒輪箱故障識(shí)別適用性強(qiáng)的特征參數(shù)組成特征集，然后利用歷史數(shù)據(jù)訓(xùn)練基于自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)的分類(lèi)算法，最后在多個(gè)測(cè)點(diǎn)所測(cè)振動(dòng)數(shù)據(jù)的基礎(chǔ)上采用訓(xùn)練好的分類(lèi)算法實(shí)現(xiàn)行星齒輪箱故障的自動(dòng)分類(lèi)識(shí)別。本發(fā)明的優(yōu)點(diǎn)在于把多個(gè)測(cè)點(diǎn)的信息融合到一起，利用基于ANFIS的分類(lèi)算法進(jìn)行故障分類(lèi)，實(shí)現(xiàn)行星齒輪箱故障的準(zhǔn)確識(shí)別，這種方法克服了不同測(cè)點(diǎn)信息對(duì)故障敏感程度不一致的問(wèn)題，顯著提高了故障識(shí)別的準(zhǔn)確性與穩(wěn)定性。
文檔編號(hào)G06N3/08GK102592172SQ201210031550
公開(kāi)日2012年7月18日 申請(qǐng)日期2012年2月14日 優(yōu)先權(quán)日2012年2月14日
發(fā)明者孔德同, 廖與禾, 林京, 王琇峰, 雷亞國(guó), 韓冬 申請(qǐng)人:西安交通大學(xué)